亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        知識定義多模態(tài)網(wǎng)絡(luò)按需服務(wù)體系研究

        2022-04-29 05:15:34王敬宇莊子睿
        通信學(xué)報 2022年4期
        關(guān)鍵詞:多態(tài)模態(tài)定義

        王敬宇,莊子睿

        (北京郵電大學(xué)網(wǎng)絡(luò)與交換技術(shù)國家重點實驗室,北京 100876)

        0 引言

        隨著互聯(lián)網(wǎng)到物聯(lián)網(wǎng)進(jìn)而到萬物互聯(lián)的發(fā)展,信息的傳遞也從人的互聯(lián)變成物理設(shè)備的互聯(lián),進(jìn)而變成人、物、數(shù)據(jù)的廣泛互聯(lián)。接入網(wǎng)絡(luò)的信息端點越來越多,導(dǎo)致信息傳遞的頻率不斷增加,對信息時效性的要求也越來越高。這些變化導(dǎo)致作為信息傳輸基礎(chǔ)設(shè)施的網(wǎng)絡(luò)需要不斷地提升與優(yōu)化性能。與此同時,隨著后摩爾時代的到來,計算能力的提升開始變慢,計算資源的獲得越來越昂貴,網(wǎng)絡(luò)服務(wù)提供商不能再以不斷增加計算硬件的方式來提升關(guān)鍵節(jié)點的處理容量。

        在應(yīng)用層面上,則涌現(xiàn)出各類日新月異的智能服務(wù)與產(chǎn)業(yè)業(yè)務(wù),比如以虛擬現(xiàn)實、增強(qiáng)現(xiàn)實為代表的智能服務(wù);以智慧交通、泛在物聯(lián)為代表的智能城市服務(wù);以自動駕駛決策控制為代表的智能計算服務(wù);以智慧家居、綠色辦公為代表的智能樓宇服務(wù)。下一代通信系統(tǒng)將承載、支撐更加個性化、泛在化、情景化的諸多服務(wù),網(wǎng)絡(luò)中將涌現(xiàn)大規(guī)模自主接入和智能決策節(jié)點,產(chǎn)生大量算力與數(shù)據(jù)資產(chǎn)。這些服務(wù)需要在貼近用戶的邊緣側(cè)提供超高容量的智能決策能力,有著高可靠、低時延、快速響應(yīng)的服務(wù)質(zhì)量要求。智能決策能力高度依賴于計算資源,但是在現(xiàn)有成熟的方案中,計算資源往往更多地集中于云端數(shù)據(jù)中心,并非大量存在于最終用戶周圍。

        邊緣計算則是嘗試解決這一問題的很好的思路[1-13]。邊緣計算在云端的智能業(yè)務(wù)邏輯和終端的用戶設(shè)備之間部署服務(wù)計算資源,可以就近完成對用戶數(shù)據(jù)的處理,響應(yīng)用戶的服務(wù)請求。從用戶體驗的角度上看,通過不斷地向用戶側(cè)進(jìn)行推進(jìn),邊緣計算可以為最終用戶提供融合而便捷的計算、存儲與通信資源,有效地降低服務(wù)響應(yīng)時間,提升服務(wù)質(zhì)量。從智能業(yè)務(wù)部署的角度上看,應(yīng)用了邊緣計算框架之后,原本運(yùn)行于云端數(shù)據(jù)中心的智能業(yè)務(wù)可以將一部分的計算任務(wù)卸載到邊緣側(cè),減小了云端數(shù)據(jù)中心和用戶設(shè)備之間的直接數(shù)據(jù)交換量,節(jié)省了網(wǎng)絡(luò)帶寬,能夠在一定程度上減緩主干網(wǎng)絡(luò)的壓力,減小智能業(yè)務(wù)的服務(wù)容量預(yù)留成本。從網(wǎng)絡(luò)運(yùn)營商的角度上看,邊緣計算模式可以對局域的計算與存儲資源加以利用,使用各類多級緩存機(jī)制,用存儲能力換取通信成本,減小在傳輸數(shù)據(jù)與內(nèi)容過程中的能源消耗,因而邊緣計算的引入也是后5G 和未來6G 的重要發(fā)展趨勢之一。

        隨著邊緣計算和各類業(yè)務(wù)相輔相成不斷演進(jìn),越來越多的邊緣設(shè)備接入通信網(wǎng)絡(luò)中,既包含服務(wù)側(cè)的資源提供設(shè)備,也包含用戶側(cè)的資源消耗設(shè)備,下一代通信網(wǎng)絡(luò)將呈現(xiàn)超密集組網(wǎng)、全域感知、多形態(tài)共存等特點[7,9,14-16]。通信系統(tǒng)將逐漸解耦并與各類網(wǎng)絡(luò)融合,尤其是邊緣網(wǎng)絡(luò)將處于高度開放、異構(gòu)、動態(tài)的環(huán)境中。

        超大規(guī)模的邊緣設(shè)備將提供前所未有的計算、感知和通信資源,但是其組織形式的極端復(fù)雜性與運(yùn)行狀態(tài)高動態(tài)的不穩(wěn)定性對通信網(wǎng)絡(luò)的組織和管理提出了挑戰(zhàn),需要突破傳統(tǒng)網(wǎng)絡(luò)二、三層分立的概念,跨越網(wǎng)絡(luò)層次對路由與調(diào)度進(jìn)行優(yōu)化控制。如何尋找優(yōu)秀的邊緣網(wǎng)絡(luò)智能路由與流量調(diào)度方案,以面對不斷增加的以及差異化的網(wǎng)絡(luò)服務(wù)體驗要求,成為亟待解決的重要問題。

        與此同時,網(wǎng)絡(luò)服務(wù)的組織關(guān)系也在發(fā)生著變化。服務(wù)供應(yīng)商依賴于特定的服務(wù)平臺來提供服務(wù)[17]。傳統(tǒng)上看,服務(wù)供應(yīng)商和服務(wù)平臺的關(guān)系是相對簡單的:單一供應(yīng)商對應(yīng)單一服務(wù)平臺,比如特定的移動終端操作系統(tǒng)和桌面操作系統(tǒng);多個供應(yīng)商共同運(yùn)作于同一個服務(wù)平臺,比如互聯(lián)網(wǎng)。隨著服務(wù)的不斷發(fā)展和各種新服務(wù)的涌現(xiàn),服務(wù)供應(yīng)商和服務(wù)平臺的關(guān)系也變得更加復(fù)雜化和多層次化[18],比如服務(wù)供應(yīng)商會針對不同的操作系統(tǒng)開發(fā)應(yīng)用軟件并提供服務(wù),逐步產(chǎn)生多供應(yīng)商對應(yīng)多服務(wù)平臺的對應(yīng)關(guān)系。隨著網(wǎng)絡(luò)虛擬化的演進(jìn),網(wǎng)絡(luò)側(cè)自身也開始呈現(xiàn)多平臺化的復(fù)雜層次關(guān)系:多個網(wǎng)絡(luò)供應(yīng)商提供基礎(chǔ)網(wǎng)絡(luò)設(shè)施和資源,并由多個分銷商共享、復(fù)用這些資源并提供給最終用戶;服務(wù)提供商也會通過租用出口帶寬或者通過內(nèi)容分發(fā)網(wǎng)絡(luò)(CDN,content distribution network)等途徑跨越多個網(wǎng)絡(luò)分銷商來為最終用戶提供服務(wù)。盡管每個平臺內(nèi)部都會嘗試使用流量工程(TE,traffic engineering)等方法來優(yōu)化網(wǎng)絡(luò)流量的分布,但是由于端口、鏈路等基礎(chǔ)網(wǎng)絡(luò)設(shè)施和資源共享化的特性,更優(yōu)化的網(wǎng)絡(luò)資源管理和服務(wù)體驗保障難以僅依靠單個平臺的內(nèi)部信息來實現(xiàn)[19]。

        在此背景下,為了達(dá)到極致性能服務(wù)體驗要求,需要網(wǎng)絡(luò)管控對服務(wù)需求與網(wǎng)絡(luò)交付進(jìn)行精準(zhǔn)擬合,提供網(wǎng)絡(luò)資源調(diào)配的快速優(yōu)化、決策與控制。將感知、計算和通信融合,使用機(jī)器學(xué)習(xí)(ML,machine learning)和人工智能(AI,artificial intelligence)等技術(shù)將智能植入通信網(wǎng)絡(luò)來進(jìn)一步優(yōu)化通信系統(tǒng)的資源分配、提升通信系統(tǒng)的服務(wù)質(zhì)量是學(xué)術(shù)界和產(chǎn)業(yè)界的共識[20-26]。然而,受服務(wù)增長的非均勻性、分散資源的低復(fù)用性、網(wǎng)絡(luò)行為的復(fù)雜性和不確定性等因素的共同影響和相互制約,即便是使用智能化的網(wǎng)絡(luò)節(jié)點,其樸素組合難以應(yīng)對隨需而變、高動態(tài)性的網(wǎng)絡(luò)特征,難以發(fā)揮出智能節(jié)點的優(yōu)勢,無法實現(xiàn)通信系統(tǒng)資源的隨愿共享。

        受網(wǎng)絡(luò)服務(wù)的多樣性、網(wǎng)絡(luò)設(shè)備的異構(gòu)性和網(wǎng)絡(luò)資源分布的差異性等因素的影響,通信網(wǎng)絡(luò)體系需要針對各個方面所體現(xiàn)出的多態(tài)性加以理解、適配、管理和控制。比如多態(tài)控制的概念將基礎(chǔ)光網(wǎng)絡(luò)進(jìn)行切片以支持不同種類的服務(wù)[27],針對不同的服務(wù)在每個切片中部署專用的網(wǎng)絡(luò)資源和特定的交換設(shè)備。Chen 等[28]設(shè)計了一種多態(tài)化協(xié)議以實現(xiàn)在移動自組織網(wǎng)絡(luò)(MANET,mobile ad-hoc network)下功率、移動性和密度感知的路由組織。面對多樣化的服務(wù),多態(tài)路由(PR,polymorphic routing)[29]根據(jù)不同業(yè)務(wù)和網(wǎng)絡(luò)狀態(tài)的特征,從基態(tài)派生出特定的路由方案。多模態(tài)智慧網(wǎng)絡(luò)[30-32]跨越網(wǎng)絡(luò)的多個運(yùn)行層次和網(wǎng)絡(luò)功能的多個維度,提出了一種多態(tài)化的網(wǎng)絡(luò)結(jié)構(gòu)建模方法,用以提升網(wǎng)絡(luò)能力、促進(jìn)網(wǎng)絡(luò)的進(jìn)一步演化。

        通信網(wǎng)絡(luò)存在多態(tài)性,自然界也存在著多態(tài)性:比如在神經(jīng)網(wǎng)絡(luò)中,同一組神經(jīng)元可以表現(xiàn)出不同的行為和功能[33];在生態(tài)系統(tǒng)中,同一種群中可以存在多種表型[28];在遺傳物質(zhì)的級別上,同一基因型可以表達(dá)出不同的性狀[34]。在上述例子中,多態(tài)性帶來了2 個重要優(yōu)勢:一方面,同一組信息可以表現(xiàn)出不同的行為、功能和模式來應(yīng)對不同的環(huán)境狀態(tài),大大地提高了信息的利用效率;另一方面,優(yōu)勢信息也可以在代際之間進(jìn)行傳播,以便進(jìn)行持續(xù)性的優(yōu)化。類似地,在通信網(wǎng)絡(luò)系統(tǒng)的體系結(jié)構(gòu)設(shè)計中可以借鑒該思路:一方面,使用網(wǎng)絡(luò)結(jié)構(gòu)的建模方法應(yīng)當(dāng)能夠支撐不斷增加、更新、變化的眾多服務(wù),以應(yīng)對差異化的網(wǎng)絡(luò)狀態(tài)和網(wǎng)絡(luò)環(huán)境變化;另一方面,用來幫助優(yōu)化、決策的關(guān)鍵信息應(yīng)當(dāng)能夠在不同的網(wǎng)絡(luò)之間或者是在不同的智能節(jié)點之間進(jìn)行傳遞,提升網(wǎng)絡(luò)整體的優(yōu)化和決策效率。

        針對上述兩點要求,本文認(rèn)為,知識定義的多模態(tài)網(wǎng)絡(luò)將是未來網(wǎng)絡(luò)體系構(gòu)建的一條重要線索。一方面,多態(tài)化的建模和設(shè)計可以有效地統(tǒng)一不同網(wǎng)絡(luò)服務(wù)、不同網(wǎng)絡(luò)層次、不同網(wǎng)絡(luò)環(huán)境的差異性;另一方面,知識定義的方法可以在不同的管理位置、管理目標(biāo)之間共享有價值的關(guān)鍵信息,促進(jìn)網(wǎng)絡(luò)知識的復(fù)用。如圖1 所示,首先,知識定義多模態(tài)網(wǎng)絡(luò)將能夠回答“是什么”的描述性問題:網(wǎng)絡(luò)有哪些參與者、具有什么不同的資源、網(wǎng)絡(luò)的行為和變化趨勢等。其次,知識定義多模態(tài)網(wǎng)絡(luò)將能夠回答“為什么”的理解性問題:哪些網(wǎng)絡(luò)節(jié)點之間存在連接關(guān)系、哪些網(wǎng)絡(luò)服務(wù)之間存在相互依賴、用戶如何從網(wǎng)絡(luò)中獲取服務(wù)、不同的用戶行為會對網(wǎng)絡(luò)產(chǎn)生怎樣的影響。最后,知識定義多模態(tài)網(wǎng)絡(luò)將能夠回答“怎么辦”的執(zhí)行性問題:為了實現(xiàn)特定的網(wǎng)絡(luò)優(yōu)化目標(biāo),應(yīng)當(dāng)采取何種優(yōu)化、仿真、決策或是搜索算法。

        圖1 網(wǎng)絡(luò)系統(tǒng)中的知識劃分

        針對多樣化的網(wǎng)絡(luò)服務(wù)需求,本文提出了一種在具有異構(gòu)設(shè)備組成和差異化的資源分布條件下,共享優(yōu)化決策信息、在線持續(xù)優(yōu)化的知識定義多模態(tài)網(wǎng)絡(luò)按需服務(wù)體系,支持對各種網(wǎng)絡(luò)服務(wù)動態(tài)需求的滿足,快速、協(xié)作、持續(xù)性地優(yōu)化網(wǎng)絡(luò)資源調(diào)配。本文進(jìn)一步展示了知識定義多模態(tài)網(wǎng)絡(luò)的建模、優(yōu)化和部署方式,以消息傳遞圖神經(jīng)網(wǎng)絡(luò)實現(xiàn)了知識交互過程。最終,以求解異構(gòu)場景下的流量工程問題為應(yīng)用案例,驗證了本文方案的實際效果,如對域內(nèi)和域間流量的收斂速度都體現(xiàn)出明顯優(yōu)勢。

        1 相關(guān)背景

        1.1 多模態(tài)網(wǎng)絡(luò)

        Qiao 等[27]使用多態(tài)控制的概念將基礎(chǔ)光網(wǎng)絡(luò)進(jìn)行切片以支持不同種類的服務(wù),針對不同的服務(wù)在每個切片中部署專用的網(wǎng)絡(luò)資源和特定的交換設(shè)備。Chen 等[28]設(shè)計了一種多態(tài)化協(xié)議以實現(xiàn)在MANET 下功率、移動性和密度感知的路由組織。隨著網(wǎng)絡(luò)組成的異構(gòu)性和網(wǎng)絡(luò)服務(wù)的多樣性的進(jìn)一步加強(qiáng),近年來有更多的研究聚焦在多模態(tài)網(wǎng)絡(luò)上。比如多態(tài)路由[29]根據(jù)不同業(yè)務(wù)和網(wǎng)絡(luò)狀態(tài)的特征,從基態(tài)派生出特定的路由方案,使網(wǎng)絡(luò)路由能夠動態(tài)地適應(yīng)多樣化的業(yè)務(wù)服務(wù)。全維可定義的多模態(tài)智慧網(wǎng)絡(luò)[30-32]從網(wǎng)絡(luò)體系結(jié)構(gòu)設(shè)計的高度,跨越網(wǎng)絡(luò)的多個運(yùn)行層次和網(wǎng)絡(luò)功能的多個維度,提出了一種多態(tài)化的網(wǎng)絡(luò)結(jié)構(gòu)建模方法,用以提升網(wǎng)絡(luò)能力、促進(jìn)網(wǎng)絡(luò)的進(jìn)一步演化。

        1.2 知識定義網(wǎng)絡(luò)

        2003 年,Clark 等[35]提出了知識平面(KP,knowledge plane)這一概念,試圖將智能植入網(wǎng)絡(luò)的基礎(chǔ)架構(gòu)中去,通過知識來減少網(wǎng)絡(luò)設(shè)計、部署、運(yùn)營和維護(hù)的成本。2017 年,Mestres 等[36]進(jìn)一步提出知識定義網(wǎng)絡(luò)(KDN,knowledge-defined networking),將軟件定義網(wǎng)絡(luò)和人工智能技術(shù)結(jié)合起來,進(jìn)一步實現(xiàn)知識平面中提出的內(nèi)生智能網(wǎng)絡(luò)。知識加數(shù)據(jù)驅(qū)動的學(xué)習(xí)模型被認(rèn)為是實現(xiàn)未來網(wǎng)絡(luò)的智能管控方法的基礎(chǔ)[37]。

        Hyun 等[38]基于知識定義網(wǎng)絡(luò)使用帶內(nèi)網(wǎng)絡(luò)測量來實現(xiàn)自驅(qū)動的閉環(huán)網(wǎng)絡(luò)管理。Pham 等[39]使用深度強(qiáng)化學(xué)習(xí)實現(xiàn)了一種服務(wù)質(zhì)量感知的網(wǎng)絡(luò)路由方法。Xie 等[40]回顧了在軟件定義網(wǎng)絡(luò)中應(yīng)用機(jī)器學(xué)習(xí)技術(shù)的一系列工作,并總結(jié)了分布式控制器的聯(lián)合優(yōu)化控制是亟待探索的研究方向。

        1.3 網(wǎng)絡(luò)智能化管理

        飛速的技術(shù)和市場變化促使著軟件化的網(wǎng)絡(luò)組件和愈加強(qiáng)烈的網(wǎng)絡(luò)智能化需求[41]。從架構(gòu)上看,CogNet 構(gòu)建了統(tǒng)一化的認(rèn)知知識網(wǎng)絡(luò),以持續(xù)、分布式地存儲和利用時空域網(wǎng)絡(luò)經(jīng)驗[42]。從智能化的節(jié)點上看,分布式的多智能體系統(tǒng)是網(wǎng)絡(luò)智能化的一個重要的發(fā)展方向[43]。人工智能技術(shù)是未來網(wǎng)絡(luò)智能化的使能技術(shù)[44],而深度強(qiáng)化學(xué)習(xí)則是最突出的技術(shù)方向之一,在智能車聯(lián)網(wǎng)絡(luò)的移動計算卸載[45]、用戶需求分布變化情況下的網(wǎng)絡(luò)路由優(yōu)化[46]、多資源聯(lián)合優(yōu)化[47]等方向的應(yīng)用上都看到了顯著的成效。

        2 知識定義多模態(tài)網(wǎng)絡(luò)按需服務(wù)體系

        知識定義網(wǎng)絡(luò)參照軟件定義網(wǎng)絡(luò)解耦的數(shù)據(jù)平面和控制平面,并在上層添加了知識平面,一方面可以靈活地獲取網(wǎng)絡(luò)的全局視角狀態(tài)信息,另一方面可以使用人工智能技術(shù)對這些信息進(jìn)行處理,抽取出有益于網(wǎng)絡(luò)管理的知識。然而,網(wǎng)絡(luò)本身具有異構(gòu)特性,不同場景、不同層次、不同位置的網(wǎng)絡(luò)可能具有差異化的可管理性;特別是在考慮面向用戶的業(yè)務(wù)網(wǎng)絡(luò)時,多樣化的用戶需求的突發(fā)性、動態(tài)性、不平衡性也給網(wǎng)絡(luò)帶來了差異化的網(wǎng)絡(luò)優(yōu)化和管理目標(biāo)。而在已有的知識定義網(wǎng)絡(luò)中,盡管研究者提出了使用人工智能技術(shù)來構(gòu)建知識平面,但是并沒有從網(wǎng)絡(luò)架構(gòu)的高度仔細(xì)探討如何應(yīng)對這種差異化的特性。與此同時,多模態(tài)網(wǎng)絡(luò)架構(gòu)所提出的多態(tài)化的網(wǎng)絡(luò)結(jié)構(gòu)建模方法,恰恰可以跨越網(wǎng)絡(luò)的多個運(yùn)行層次和網(wǎng)絡(luò)功能的多個維度,是面對網(wǎng)絡(luò)異構(gòu)特性和優(yōu)化目標(biāo)差異化特性下行之有效的建模思想。

        因此,在上述已有架構(gòu)的基礎(chǔ)上,本文進(jìn)一步提出了知識定義多模態(tài)網(wǎng)絡(luò)按需服務(wù)體系架構(gòu),使用管理、控制、數(shù)據(jù)解耦的三平面劃分,遵循多模態(tài)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)建模思想,使用多態(tài)化的方法對差異化的網(wǎng)絡(luò)知識進(jìn)行建模、求解和應(yīng)用。知識定義多模態(tài)網(wǎng)絡(luò)的最終目標(biāo)是在不同的網(wǎng)絡(luò)場景和層次中定義并學(xué)習(xí)其網(wǎng)絡(luò)知識,用以自適應(yīng)地提升網(wǎng)絡(luò)能力、促進(jìn)網(wǎng)絡(luò)的自我演化。按需服務(wù)的知識定義多模態(tài)網(wǎng)絡(luò)邏輯上可分為3 個層次:數(shù)據(jù)平面、控制平面和知識平面,如圖2所示??刂破矫孀鳛檫B接知識平面和數(shù)據(jù)平面的橋梁,向下從數(shù)據(jù)平面上測量和采集網(wǎng)絡(luò)的原始狀態(tài)數(shù)據(jù)信息,并部署網(wǎng)絡(luò)的優(yōu)化控制方案;向上提供數(shù)據(jù)支撐,以供知識平面對網(wǎng)絡(luò)狀態(tài)數(shù)據(jù)進(jìn)行感知和理解。知識平面是知識定義多模態(tài)網(wǎng)絡(luò)的一個重要環(huán)節(jié),一方面需要能夠抽取、歸納多種網(wǎng)絡(luò)知識信息,另一方面還要能夠?qū)Χ喾N網(wǎng)絡(luò)知識進(jìn)行有機(jī)的組合、發(fā)現(xiàn)網(wǎng)絡(luò)知識之間的關(guān)聯(lián)關(guān)系,并利用網(wǎng)絡(luò)知識圖進(jìn)行網(wǎng)絡(luò)優(yōu)化管理的推理和決策、支撐網(wǎng)絡(luò)的智能化管理。

        圖2 知識定義多模態(tài)網(wǎng)絡(luò)

        知識定義多模態(tài)網(wǎng)絡(luò)超越已有的知識定義網(wǎng)絡(luò),在多個維度上引入了多態(tài)化的建模結(jié)構(gòu),可以更加精準(zhǔn)、細(xì)粒度地支撐來自用戶的動態(tài)、多樣的服務(wù)請求。按需服務(wù)的知識定義多模態(tài)網(wǎng)絡(luò)的實現(xiàn)路徑如圖3 所示。具體地,涉及如下幾個方面。

        圖3 按需服務(wù)的知識定義多模態(tài)網(wǎng)絡(luò)的實現(xiàn)路徑

        1) 服務(wù)場景的多態(tài)化?,F(xiàn)有的5G 網(wǎng)絡(luò)提出了三大典型場景,即增強(qiáng)型移動寬帶(eMBB,enhanced mobile broadband)、超可靠低時延通信(URLLC,ultra-reliable and low-latency communication)和大連接物聯(lián)網(wǎng)(mMTC,massive machine-type communication),分別對應(yīng)吞吐量、時延和連接數(shù)等服務(wù)質(zhì)量指標(biāo)的要求。未來的服務(wù)場景會更加靈活多變,涉及多種服務(wù)指標(biāo)的組合甚至動態(tài)組合。另外,不同網(wǎng)絡(luò)服務(wù)或是同一網(wǎng)絡(luò)服務(wù)的不同階段,也會對網(wǎng)絡(luò)功能提出不同的需求。因此,知識定義多模態(tài)網(wǎng)絡(luò)考慮使用一組網(wǎng)絡(luò)指標(biāo)向量和一組網(wǎng)絡(luò)功能向量,來對服務(wù)場景進(jìn)行細(xì)粒度的描述和刻畫。

        2) 網(wǎng)絡(luò)設(shè)備的多態(tài)化。未來網(wǎng)絡(luò)的設(shè)備將呈現(xiàn)“端-邊-云”融合的態(tài)勢,不可避免地將出現(xiàn)具有不同網(wǎng)絡(luò)功能、提供不同網(wǎng)絡(luò)資源、具有不同配置語言的網(wǎng)絡(luò)設(shè)備共同存在并相互協(xié)作、共同提供網(wǎng)絡(luò)服務(wù)的狀態(tài)。因此,知識定義多模態(tài)網(wǎng)絡(luò)考慮使用一組網(wǎng)絡(luò)功能向量、一組網(wǎng)絡(luò)資源向量和一組配置語言向量來對網(wǎng)絡(luò)設(shè)備進(jìn)行抽象化的定義。

        3) 網(wǎng)絡(luò)知識的多態(tài)化。在知識定義的多模態(tài)網(wǎng)絡(luò)中,知識空間還涵蓋了多個不同層次、不同側(cè)面的知識內(nèi)容,并且對這些知識內(nèi)容之間進(jìn)行了有機(jī)的組合、推理和利用。比如,描述性的知識可大致分為服務(wù)需求、設(shè)備控制和網(wǎng)絡(luò)組織3 個部分,分別對應(yīng)并歸納網(wǎng)絡(luò)運(yùn)行過程中一個側(cè)面的基礎(chǔ)信息。在這些描述性的信息之間,可以通過發(fā)掘連接關(guān)系、依賴關(guān)系、約束關(guān)系等方式,構(gòu)建出網(wǎng)絡(luò)知識空間圖譜,然后利用這一圖譜在不同的知識組成部分之間進(jìn)行聯(lián)動。

        網(wǎng)絡(luò)的知識范疇是廣泛而海量的,不同網(wǎng)絡(luò)位置之間的知識傳遞和同步是一個關(guān)鍵環(huán)節(jié)。知識定義多模態(tài)網(wǎng)絡(luò)可以更進(jìn)一步地以分布式的形式加以擴(kuò)展,如圖4 所示,在不同網(wǎng)絡(luò)位置之間通過傳遞關(guān)鍵的知識特征向量來對整體網(wǎng)絡(luò)的知識空間進(jìn)行高效同步。在知識定義多模態(tài)網(wǎng)絡(luò)中,每個網(wǎng)絡(luò)智能管理域針對關(guān)鍵知識特征的生成,采用了圖感知神經(jīng)網(wǎng)絡(luò)的方法對域內(nèi)已知的網(wǎng)絡(luò)知識空間圖譜進(jìn)行處理,使用注意力機(jī)制提取知識空間圖譜中對解決網(wǎng)絡(luò)優(yōu)化問題最有價值的關(guān)鍵信息,輸出關(guān)鍵特征向量以便在域間進(jìn)行傳遞。同時,每個網(wǎng)絡(luò)智能管理域在接收到其他域傳來的關(guān)鍵知識特征之后,會將該關(guān)鍵知識特征向量更新到本地的已知知識庫當(dāng)中。

        圖4 知識定義多模態(tài)網(wǎng)絡(luò)的域間分布式關(guān)鍵知識交互

        在知識定義多模態(tài)網(wǎng)絡(luò)中,差異化的網(wǎng)絡(luò)知識將能夠提升網(wǎng)絡(luò)的優(yōu)化和管理能力,最終網(wǎng)絡(luò)整體性能的提升則依賴于局域網(wǎng)絡(luò)制式之間的良好交互。當(dāng)然,這同時也意味著一系列的挑戰(zhàn),在實際應(yīng)用研究中應(yīng)加以注意。首先,在局域網(wǎng)絡(luò)知識的學(xué)習(xí)、抽取和總結(jié)過程當(dāng)中,依然需要依賴各種人工智能技術(shù)。人工智能技術(shù)的應(yīng)用,一方面需要尋找與應(yīng)用場景、局部網(wǎng)絡(luò)結(jié)構(gòu)適用的建模方式和學(xué)習(xí)算法,本文相信強(qiáng)化學(xué)習(xí)是其中一個重要的關(guān)鍵技術(shù)分支,同時需要關(guān)注在線/離線式學(xué)習(xí)的合理組合,以提升對已有案例數(shù)據(jù)的利用效率,減小學(xué)習(xí)過程中的事件成本。另一方面,人工智能技術(shù)的應(yīng)用不可避免地對網(wǎng)絡(luò)提出了更高的算力需求,這需要與邊緣計算、邊緣網(wǎng)絡(luò)、通信感知計算一體化等研究方向一同努力,使智能可以真正地根植在網(wǎng)絡(luò)之中,形成網(wǎng)絡(luò)“自智”。其次,對于不同局域的網(wǎng)絡(luò)知識交互,也需要精細(xì)化的設(shè)計。一方面,消息傳遞圖神經(jīng)網(wǎng)絡(luò)將神經(jīng)網(wǎng)絡(luò)和通信過程結(jié)合到一起,是網(wǎng)絡(luò)知識交互過程的良好載體;另一方面,為了更高效地利用網(wǎng)絡(luò)知識,并且根據(jù)這些知識對網(wǎng)絡(luò)優(yōu)化管理進(jìn)行推理決策,還需要結(jié)合實際網(wǎng)絡(luò)問題,研究知識蒸餾方法和知識圖譜的構(gòu)建方法。最后,從數(shù)學(xué)化的網(wǎng)絡(luò)優(yōu)化方案的生成,到最終針對網(wǎng)絡(luò)設(shè)備和業(yè)務(wù)的配置與部署,也還存在距離。在這個問題上,相關(guān)關(guān)鍵技術(shù)瓶頸與意圖網(wǎng)絡(luò)等研究方向存在交叉,可以相互借鑒、推進(jìn)。

        3 知識定義多模態(tài)網(wǎng)絡(luò)建模

        3.1 模型定義

        表1 系統(tǒng)參數(shù)

        定義網(wǎng)絡(luò)為一個有頂點集V和邊集E組成的圖G(V,E),其中每個頂點是一個網(wǎng)絡(luò)智能管理域,每條邊連接著2 個連通的智能管理域。同時,每個頂點v可以由網(wǎng)絡(luò)資源向量rv、網(wǎng)絡(luò)配置語言向量lv和邊e上的域間通信容量限制ce來描述。設(shè)圖G中的頂點數(shù)量為nG,域間鏈路數(shù)量為nE,則邊集E可以表示為

        在同一個網(wǎng)絡(luò)智能管理域v內(nèi)部,同樣可以構(gòu)建一個圖H v(U,O),其中頂點集U由具體的網(wǎng)絡(luò)設(shè)備u組成。類似地,可以寫出設(shè)備u對應(yīng)的資源向量ru。

        對于任意一個服務(wù)需求d,可以使用如下方式定義

        表面上看,在企業(yè)整個供應(yīng)鏈上,承擔(dān)社會責(zé)任與企業(yè)的經(jīng)濟(jì)效益并沒有關(guān)系,比如企業(yè)做社會公益看起來并不會給企業(yè)帶來營收,但品牌建設(shè)是一個積累企業(yè)無形資產(chǎn)的過程,從長期來看,品牌無形資產(chǎn)是企業(yè)的核心競爭力。從這個層面思考,企業(yè)承擔(dān)并履行一部分社會責(zé)任對企業(yè)的品牌建設(shè)和長期發(fā)展都很重要。這其實是一個互補(bǔ)的關(guān)系。

        其中,vs是源管理域,vt是目標(biāo)管理域,z是服務(wù)流量需求,m是服務(wù)質(zhì)量指標(biāo),f是服務(wù)功能需求,p是服務(wù)評價函數(shù)。令dnD為系統(tǒng)能處理的服務(wù)需求數(shù)量上限,則所有服務(wù)需求的集合可以表示為

        令xi為路由方案在邊ei上分配的流量,則管理域間路由與資源優(yōu)化的解可以表示為

        X所涉及頂點的指示函數(shù)為

        記上標(biāo)i表示需求di對應(yīng)的元素,則優(yōu)化問題可以定義為

        3.2 知識空間

        圖Hv中所有的資源向量可以組成域內(nèi)知識Θv。與此同時,智能管理域v還會維護(hù)一個域間知識Ψv

        其中,kv是管理域v向外部交換的關(guān)鍵知識特征向量,其基于域內(nèi)知識Θv和域間知識Ψv并使用神經(jīng)網(wǎng)絡(luò)生成。令系統(tǒng)的隱含狀態(tài)為

        知識特征向量由函數(shù)Mt(·) 生成,即

        由于知識特征向量kv沿管理域之間的拓?fù)潢P(guān)系迭代傳遞,其生成機(jī)制實質(zhì)上是一種消息傳遞圖神經(jīng)網(wǎng)絡(luò)(MPGNN,message passing graph neural network)。關(guān)鍵知識特征生成與域間知識傳遞機(jī)制如圖5 所示。

        圖5 關(guān)鍵知識特征生成與域間知識傳遞機(jī)制

        生成函數(shù)Mt(·) 使用多端注意力機(jī)制進(jìn)行實現(xiàn)。對于每一個注意力端,使用如下的注意力機(jī)制

        更進(jìn)一步地,使用自注意力機(jī)制[48]進(jìn)行實現(xiàn),即查詢向量、鍵向量和值向量均來自同一輸入。這里使用系統(tǒng)的隱含狀態(tài)作為輸入。

        3.3 優(yōu)化與部署

        在每個智能管理域內(nèi),可以使用讀出函數(shù)R(·)來擬合,那么在t時刻,系統(tǒng)的解決方案求解可以表示為

        由于每個智能管理域所支持的配置語言l的不同,優(yōu)化方案X可以被實現(xiàn)為不同的部署方案,記該部署方案為S,則有

        其中,T是部署生成函數(shù),可以考慮使用意圖網(wǎng)絡(luò)(IBN,intent-based network)[49-52]、語義圖對齊[53]等技術(shù)進(jìn)行實現(xiàn)。

        令網(wǎng)絡(luò)的運(yùn)行環(huán)境函數(shù)為ε,則在部署方案S下的實際運(yùn)行結(jié)果可以表示為

        因此,可以使用深度強(qiáng)化學(xué)習(xí)方法來尋找一個值函數(shù)作為讀出函數(shù)R(·)來擬合長期收益

        其中,面向不同需求的讀出函數(shù)可以考慮使用多任務(wù)強(qiáng)化學(xué)習(xí)方法進(jìn)行聯(lián)合實現(xiàn)[54-56]。

        進(jìn)一步地,式(10)中定義的優(yōu)化問題可以變換為

        4 應(yīng)用案例

        考慮一個多智能管理域的異構(gòu)網(wǎng)絡(luò),如圖6 所示。其中,每個管理域包含2 種節(jié)點,傳統(tǒng)節(jié)點只能根據(jù)目的地址確定數(shù)據(jù)流轉(zhuǎn)發(fā)路徑,而智能節(jié)點則可以根據(jù)更精細(xì)的匹配規(guī)則來確定數(shù)據(jù)流的轉(zhuǎn)發(fā)路徑。在不同管理域內(nèi),由于設(shè)備的區(qū)別,其智能節(jié)點支持的匹配級別也不一致。每個節(jié)點都有流向其他節(jié)點的流量需求,每個管理域預(yù)先定義了100 個流量模式,并且流量模式之間的切換按照預(yù)先定義的概率進(jìn)行選擇。

        圖6 多智能管理域異構(gòu)網(wǎng)絡(luò)示意

        下面,以求解異構(gòu)場景下的流量工程問題作為知識定義多模態(tài)網(wǎng)絡(luò)的應(yīng)用案例。如圖7 所示,每個智能管理域構(gòu)建一個任務(wù)專用的神經(jīng)網(wǎng)絡(luò),其輸出表示給定任務(wù)需求時選擇對應(yīng)路徑的概率。每20 個時間片為一個時間階段,當(dāng)前時間階段的最后一個時間片獲得的立即回報值為前一時間階段最大鏈路利用率減去當(dāng)前時間階段最大鏈路利用率的差值。本文使用值迭代的方法修正路徑的長期回報Q,并根據(jù)梯度修正路徑選擇神經(jīng)網(wǎng)絡(luò)的參數(shù),生成新的路徑選擇方案模型。

        圖7 知識定義多模態(tài)網(wǎng)絡(luò)在流量工程任務(wù)中的應(yīng)用

        仿真實驗與一系列基準(zhǔn)算法進(jìn)行了對比,分別是原始的最短路徑選路(SPF,shortest first path)方法、基于線性規(guī)劃的流量工程(TE,traffic engineering)方法、基于全局深度強(qiáng)化學(xué)習(xí)(DRL,deep reinforcement learning)模型的方法。本文的知識定義多模態(tài)框架下的KDPN 方法分為2 個數(shù)據(jù)結(jié)果,一個是只考慮域內(nèi)流量的結(jié)果,另一個是同時考慮域內(nèi)和域間流量的總體結(jié)果。實驗過程中最大鏈路利用率的變化如圖8 所示,KDPN 的域內(nèi)流量收斂速度更有優(yōu)勢;同時從表2 對統(tǒng)計指標(biāo)的對比中可以看到,KDPN 與基準(zhǔn)算法相比取得了更好的效果。

        圖8 最大鏈路利用率的變化

        表2 仿真實驗結(jié)果統(tǒng)計指標(biāo)

        5 結(jié)束語

        本文為了解決面向萬物互聯(lián)場景下移動通信網(wǎng)絡(luò)用戶復(fù)雜多變的需求的業(yè)務(wù)網(wǎng)絡(luò)能力提供問題,針對管理、控制、數(shù)據(jù)三平面解耦的未來移動通信網(wǎng)絡(luò)系統(tǒng),將“網(wǎng)絡(luò)知識”作為貫穿多個平面的“基因”主干,提出了一種知識定義多模態(tài)網(wǎng)絡(luò)按需服務(wù)體系架構(gòu),支持使用同一網(wǎng)絡(luò)體系架構(gòu)上,面向不同服務(wù)場景、跨越多級服務(wù)層次、融合多種服務(wù)指標(biāo),為不特定的最終用戶提供移動通信業(yè)務(wù)網(wǎng)絡(luò)服務(wù),使用戶的需求可以得到及時、有效的滿足和保障。與此同時,管理、控制、數(shù)據(jù)三平面解耦是通信網(wǎng)絡(luò)發(fā)展的一個重要趨勢,本文所提架構(gòu)對于更廣義、普適的通信網(wǎng)絡(luò)中差異化的網(wǎng)絡(luò)優(yōu)化與管理也有借鑒價值。

        猜你喜歡
        多態(tài)模態(tài)定義
        分層多態(tài)加權(quán)k/n系統(tǒng)的可用性建模與設(shè)計優(yōu)化
        參差多態(tài)而功不唐捐
        成功的定義
        山東青年(2016年1期)2016-02-28 14:25:25
        國內(nèi)多模態(tài)教學(xué)研究回顧與展望
        人多巴胺D2基因啟動子區(qū)—350A/G多態(tài)位點熒光素酶表達(dá)載體的構(gòu)建與鑒定及活性檢測
        基于HHT和Prony算法的電力系統(tǒng)低頻振蕩模態(tài)識別
        由單個模態(tài)構(gòu)造對稱簡支梁的抗彎剛度
        計算物理(2014年2期)2014-03-11 17:01:39
        修辭學(xué)的重大定義
        煙堿型乙酰膽堿受體基因多態(tài)與早發(fā)性精神分裂癥的關(guān)聯(lián)研究
        山的定義
        一二三四五区av蜜桃| 99精品欧美一区二区三区| 人人妻人人澡av天堂香蕉| 亚洲欧美久久婷婷爱综合一区天堂| 日本中文字幕官网亚洲| 最新国产精品拍自在线观看| 毛多水多www偷窥小便 | av网址在线一区二区| 亚洲国产精品成人久久久| 欧美猛男军警gay自慰| 日本久久久免费高清| 国产精品亚洲av一区二区三区 | 亚洲一区精品在线中文字幕| 欧洲美熟女乱av亚洲一区| 欧美 变态 另类 人妖| 伊人亚洲综合网色AV另类| 麻豆成年人视频在线观看| 免费无遮挡无码永久在线观看视频 | 日本一道综合久久aⅴ免费| 日日躁夜夜躁狠狠躁超碰97| 大伊香蕉精品视频一区| av在线播放亚洲天堂| 99久久婷婷国产综合精品青草免费| 伊人色综合视频一区二区三区 | 中文字幕亚洲综合久久菠萝蜜| 无码专区天天躁天天躁在线| 欧美一级视频在线| 琪琪av一区二区三区| 久久国语露脸国产精品电影| 国产精品激情| 五月天欧美精品在线观看| 色av色婷婷18人妻久久久| 国产女主播一区二区久久| 亚洲一区二区三区无码久久| 国产精品综合日韩精品第一页| 日韩十八禁在线观看视频| 亚洲av无码一区二区三区天堂| 四房播播在线电影| 日韩AV无码乱伦丝袜一区| 性感女教师在线免费观看| 欧美性猛交xxxx乱大交3|